ITI43206 Maskinlæring (Høst 2007)

Emnet er tilknyttet følgende studieprogram

Obligatorisk emne for masterstudiet i informatikk.

Forkunnskapskrav utover opptakskrav

Undervisningssemester

1. semester (høst)
Timer pr. uke: 2 timer forelesning pluss timer for veiledning med møteplikt hver uke. I tillegg ca tre uker intensivundervisning.

Innhold

Induksjon av beslutningstrær og noen applikasjoner som medisinsk diagnostikk og kredittvurdering.

Kunstige nevrale nett og treningsalgoritmer for dem, for eksempel steepest descent og trust region Newton metoder som er klassiske teknikker for numerisk optimering. Applikasjoner som behandling av lyd og bilder.

Grunnleggende teori for maskinlæring som Bayes formel, maximum likelihood og minimum description length prinsippet.

Instanse basert læring, for eksempel nearest neighbour, lokalt vektet regresjon og radielle basisfunksjoner.

Evolutionary computation, spesielt genetiske algoritmer og genetisk programmering. Generelle prinsipper for evolusjon. Seleksjonsmetoder og genetiske operatorer som mutasjon og overkryssning. Baldwin-effekten.

Automatisk programmering og design av algoritmer. Programtransformasjoner og søkealgoritmer.

Algoritmer for lokal og global optimering, for eksempel tabusøk, simulated annealing og genetiske algoritmer.

Datawarehousing, det vil si hvordan en bedrift kan ta vare på alle relevante data over tid og bruke dem for å trekke forretningskritiske slutninger ved hjelp av maskinlæring.

Noen av emnets temaer trenger elementær informasjonsteori og statistikk. Dette undervises etter behov.

Undervisnings- og læringsformer

Forelesninger og prosjekter med obligatorisk veiledning hver uke. En del av emnet undervises i konsentrerte blokker. 

Eksamen

Mappevurdering.
Mappen består av

• Ett prosjekt innen beslutningstrær, ett innen nevrale nett og ett om automatisk programmering (teller til sammen 65%).
• 3 dagers hjemmeeksamen med teorispørsmål (teller 35%).

Endelig karakter settes etter en totalvurdering. 
Det benyttes karakterskala A - F.

Ved ny og utsatt eksamen avtales prosjektleveransene og ny hjemmeeksamen med emneansvarlig.

Litteratur

Machine Learning, Tom. M. Mitchell, McGraw-Hill Higher Education; ISBN: 0070428077

Materiale om optimering og "data warehouse" som deles ut av Arne Løkketangen